在之前文章中（文章如下），小白有讲过正则的三个函数，替换、截取等操作。在工作中，又遇到了其他的问题，这里做一个进阶的讲解文章，欢迎遇到类似问题的小伙伴一起学习交流。

初级用法参照下面的文章

Hive SQL 正则表达式进阶一（regexp的三个函数）https://blog.csdn.net/Jarry_cm/article/details/87272189

场景一

有以下几种情况的数据，需要将15|后面的内容取出来，后面有可能是英文，有可能是数字，位置不固定。

我们看下几种SQL的形式：

第一种：

select regexp_extract('15|Range,16|5,31|369728,17|1',"(15\\|)(.*?)(,)",2) as r1,
       regexp_extract('16|5,15|30,31|369728,17|1',"(15\\|)(.*?)(,)",2) as r2,
       regexp_extract('16|5,31|369728,17|1,15|Range',"(15\\|)(.*?)(,)",2) as r3,
       regexp_extract('15|30',"(15\\|)(.*?)(,)",2) as r4

结果如下：前两种能解析出来，后两种解析不出

这是因为，后面两种没有逗号，所以是不匹配的

r1	r2	r3	r4
Range	30

那有人会说，我把逗号去掉，数字变为1不就好了么，OK来试一下

第二种：这里需要注意一下  .*？  表示匹配任意字符到下一个符合条件的字符，这里把后面的逗号去掉了，那就从来都不会满足该条件，因此，无论哪种形式，第二个位置都不会匹配出来

看一下填1

select regexp_extract('15|Range,16|5,31|369728,17|1',"(15\\|)(.*?)",1) as r1,
       regexp_extract('16|5,15|30,31|369728,17|1',"(15\\|)(.*?)",1) as r2,
       regexp_extract('16|5,31|369728,17|1,15|Range',"(15\\|)(.*?)",1) as r3,
       regexp_extract('15|30',"(15\\|)(.*?)",1) as r4

结果：

r1	r2	r3	r4
15|	15|	15|	15|

 看一下填2

select regexp_extract('15|Range,16|5,31|369728,17|1',"(15\\|)(.*?)",2) as r1,
       regexp_extract('16|5,15|30,31|369728,17|1',"(15\\|)(.*?)",2) as r2,
       regexp_extract('16|5,31|369728,17|1,15|Range',"(15\\|)(.*?)",2) as r3,
       regexp_extract('15|30',"(15\\|)(.*?)",2) as r4

结果：

r1	r2	r3	r4

看一下填0，0是符合所有条件的结果，第二个永远遍历不完，所以结果和填1是一样的

select regexp_extract('15|Range,16|5,31|369728,17|1',"(15\\|)(.*?)",0) as r1,
       regexp_extract('16|5,15|30,31|369728,17|1',"(15\\|)(.*?)",0) as r2,
       regexp_extract('16|5,31|369728,17|1,15|Range',"(15\\|)(.*?)",0) as r3,
       regexp_extract('15|30',"(15\\|)(.*?)",0) as r4

结果：

r1	r2	r3	r4
15|	15|	15|	15|

 因此，这里们要分析，竖线后面有哪些形式，英文或者是数字，那么第二个匹配我们应该匹配英文或数据，那下面写法就可以达到目的了。

select regexp_extract('15|Range,16|5,31|369728,17|1',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r1,
       regexp_extract('16|5,15|30,31|369728,17|1',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r2,
       regexp_extract('16|5,31|369728,17|1,15|Range',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r3,
       regexp_extract('15|30',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r4,
       regexp_extract('15|Range',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r5,
       regexp_extract('16|5,15|Range,31|369728,17|1',"15\\|(([A-Za-z]{1,})|(\\d{1,}))",1) as r6
       

总的来说，正则中有很多小知识点，做正则时除了需要细心，掌握每种可能的情况，才能正确的解析。